Avaliação da aplicação de redes neurais LSTM para previsão de vazões de uma usina hidroelétrica

• Autor(a) principal: Mota, Lucca de Souza
• Data de Publicação: 2024
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/33036
• topic: Previsão de Vazões; Rede Neurais LSTM; ARIMA; Usina hidrelétrica; Medida de vazão; Rede neural; Flow forecast; LSTM neural network

A previsão de vazões é uma poderosa ferramenta de auxílio para uma melhor operação de usinas hidroelétricas. Este trabalho tem como objetivo avaliar a aplicação de redes neurais para a previsão de curto prazo de vazões médias diárias afluentes a aproveitamentos energéticos. Para treinamento do modelo e realização das previsões foram utilizados os dados de vazões médias afluentes diárias do aproveitamento Itiquira, localizado na bacia do rio Itiquira no estado do Mato Grosso, disponibilizado pelo Operador Nacional do Sistema Elétrico (O.N.S), além dos dados de precipitação de estações no entorno. Propôs-se um modelo de rede neural long-short-term memory (LSTM), caracterizado por guardar dependências de longo prazo dentre as variáveis de entrada. O modelo foi aplicado com 6 diferentes configurações, a fim de se obter uma previsão de 7 dias a frente e os resultados do modelo foram comparados com os dados monitorados e com as previsões obtidas pelo modelo ARIMA/ARIMAX, amplamente utilizado. O modelo proposto apresentou desempenho satisfatório para os primeiros dias de previsão, com queda de desempenho considerável à medida que o horizonte crescia, como esperado, devido ao erro agregado do modelo e o distancaimento das condições iniciais. Além disso, o modelo LSTM se mostrou superior ao modelo ARIMA em todas as configurações testadas